Spark ml之N-Gram

  • 一个n-gram是一个长度为n的字的序列。 N-Gram的输入为一系列的字符串,例如Tokenizer分词器的输出。参数n表示每个n-gram中单词terms的数量,输出由n-gram序列组成,其中每个n-gram由空格分隔的n个连续词的字符串表示 如果输入的字符串序列少于n个单词,NGram输出为空

示例:

import org.apache.spark.ml.feature.NGram
import org.apache.spark.sql.SparkSession

/**
  *
  * @author wangjuncheng
  * N-Gram N元模型
  *
  **/
object NGram extends App{

  val spark = SparkSession
    .builder()
    .master("local[*]")
    .appName("ml_learn")
    //  .enableHiveSupport()
    .config("", "")
    .getOrCreate()

  val wordDataFrame = spark.createDataFrame(Seq(
    (0, Array("Hi", "I", "heard", "about", "Spark")),
    (1, Array("I", "wish", "Java", "could", "use", "case", "classes")),
    (2, Array("Logistic", "regression", "models", "are", "neat")))).toDF("id", "words")

  //ngram model
  val nGram = new NGram()
    .setN(2)
    .setInputCol("words")
    .setOutputCol("ngrams")
  //transfrom
  val nGramDF = nGram.transform(wordDataFrame)

  //result
  nGramDF.select("ngrams").show(false)

  spark.stop()
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值